[发明专利]图像数据处理方法、装置、设备以及介质

说明书

本申请实施例提供了一种图像数据处理方法、装置、设备以及介质，该方法具体涉及图像实例分割，可以应用在计算机视觉任务中。该方法包括：在源图像中获取具有不同尺寸的M个对象特征图，获取每个对象特征图中的像素点所对应的分类置信度，M为正整数；获取每个对象特征图中的像素点所对应的初始预测极径，根据初始预测极径在每个对象特征图中获取轮廓采样点，将轮廓采样点的极径偏差和初始预测极径之和，确定为每个对象特征图中的像素点所对应的目标预测极径；根据每个对象特征图中的像素点所对应的分类置信度和目标预测极径，在源图像中确定用于表征目标对象的轮廓的对象边缘形状。采用本申请实施例，可以提高图像的分割准确性。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种图像数据处理方法、装置、设备以及介质。

背景技术

实例分割是指给定一张图像或者视频帧，找出该图像或者视频帧中所包含的所有实例并进行识别和分割。实例分割作为视频理解、自动驾驶等计算机视觉任务的基础，已成为计算机视觉领域的热点问题。

目前，可以采用基于轮廓的实例分割方法对图像进行处理，通过对图像中所包含的实例轮廓进行建模，预测得到该图像中的实例所对应的边缘像素点坐标，进而可以根据边缘像素点坐标确定图像中的实例轮廓。然而，当图像中的实例存在遮挡时，通过边缘像素点坐标预测得到的实例轮廓与图像中的真实实例轮廓之间存在误差，导致图像的分割准确性过低。

发明内容

本申请实施例提供一种图像数据处理方法、装置、设备以及介质，可以提高图像的分割准确性。

本申请实施例一方面提供了一种图像数据处理方法，包括：

获取与源图像所包含的目标对象相关联的M个对象特征图，根据M个对象特征图，获取每个对象特征图中的像素点所对应的分类置信度；M个对象特征图为具有不同尺寸的图像特征，分类置信度用于表征每个对象特征图中的像素点与目标对象之间的关联程度，M为正整数；

根据M个对象特征图，获取每个对象特征图中的像素点所对应的初始预测极径，根据初始预测极径，在每个对象特征图中分别获取目标对象对应的轮廓采样点；轮廓采样点所构成的轮廓与目标对象的轮廓相关联；

获取每个对象特征图中的轮廓采样点所对应的极径偏差，将极径偏差和初始预测极径之和，确定为每个对象特征图中的像素点所对应的目标预测极径；

根据每个对象特征图中的像素点所对应的目标预测极径，在源图像中确定每个对象特征图分别关联的候选边缘形状，将每个对象特征图分别关联的候选边缘形状均添加至候选边缘形状集合，根据每个对象特征图中的像素点所对应的分类置信度，在候选边缘形状集合中确定用于表征目标对象的轮廓的对象边缘形状。

本申请实施例一方面提供了一种图像数据处理方法，包括：

获取包含样本对象的样本图像，将样本图像输入至初始图像分割模型，通过初始图像分割模型中的残差组件和特征融合组件，输出与样本对象相关联的M个样本特征图；样本图像携带样本对象对应的标签信息，M个样本特征图为具有不同尺寸的图像特征，M为正整数；

通过初始图像分割模型中的分类组件，输出每个样本特征图中的像素点所对应的样本分类置信度；样本分类置信度用于表征每个样本特征图中的像素点与样本对象之间的关联程度；

在初始图像分割模型的回归组件中，获取每个样本特征图中的像素点所对应的初始样本极径，根据初始样本极径，在每个样本特征图中分别获取样本对象对应的样本轮廓采样点；样本轮廓采样点所构成的轮廓与样本对象的轮廓相关联；

获取每个样本特征图中的样本轮廓采样点所对应的样本极径偏差，将样本极径偏差和初始样本极径之和，确定为每个样本特征图中的像素点所对应的目标样本极径；